【NLP算法面经】本科双非，头条+腾讯 NLP 详细面经（★附面题整理★）

【NLP算法面经】本科双非，头条+腾讯 NLP 详细面经（★附面题整理★）

🌟 嗨，你好，我是青松！

🌈 自小刺头深草里，而今渐觉出蓬蒿。

NLP Github 项目推荐：

【AI 藏经阁】：https://gitee.com/fasterai/ai-e-book

介绍：该仓库主要分享了数百本 AI 领域电子书
【AI 算法面经】：fasterai/nlp-interview-handbook#面经

介绍：该仓库一网打尽互联网大厂NLP算法面经，算法求职必备神器
【大模型（LLMs）面试笔记】：https://gitee.com/fasterai/nlp-interview-handbook

介绍：该仓库汇总了 NLP 算法工程师高频面题，适合大模型初学者和正在准备面试的小伙伴希望能帮助各位同学缩短面试准备时间，不错过金三银四涨薪窗口，迅速收获心仪的Offer 🎉🎉🎉

文章目录

- 写在前面
- 字节跳动
- - - [1面: 60分钟](#1面: 60分钟)
    - [2面: 60分钟](#2面: 60分钟)
    - 3面：20分钟
    - [HR面: 20分钟](#HR面: 20分钟)
- 腾讯：校招日常实习
- - - [1面: 25分钟](#1面: 25分钟)
    - 2面：60分钟+8小时下来做题。。。
    - 3面,GM面：30分钟
    - HR面
- 随便唠唠
[大模型（LLMs）高频面题全面整理（🌟2025 Offer 必备🌟）](#大模型（LLMs）高频面题全面整理（🌟2025 Offer 必备🌟）)
- 一、大模型进阶面
- - [[💯 DeepSeek篇](https://t.zsxq.com/YmHO4)](#💯 DeepSeek篇)
  - [[💯 大模型编辑篇](https://t.zsxq.com/YmHO4)](#💯 大模型编辑篇)
  - [[💯 大模型压缩篇](https://t.zsxq.com/YmHO4)](#💯 大模型压缩篇)
  - [[💯 分布式训练篇](https://t.zsxq.com/YmHO4)](#💯 分布式训练篇)
- 二、大模型微调面
- - [[💯 有监督微调（SFT）篇](https://t.zsxq.com/YmHO4)](#💯 有监督微调（SFT）篇)
  - [[💯 高效微调篇](https://t.zsxq.com/YmHO4)](#💯 高效微调篇)
  - [[💯 提示学习篇](https://t.zsxq.com/YmHO4)](#💯 提示学习篇)
  - [[💯 人类对齐训练（RLHF）篇](https://t.zsxq.com/YmHO4)](#💯 人类对齐训练（RLHF）篇)
  - [[💯 Prompt 工程篇](https://t.zsxq.com/YmHO4)](#💯 Prompt 工程篇)
- 三、大模型（LLMs）基础面
- - [[💯 大模型（LLMs）架构篇](https://t.zsxq.com/YmHO4)](#💯 大模型（LLMs）架构篇)
  - [[💯 注意力机制（Attention）篇](https://t.zsxq.com/YmHO4)](#💯 注意力机制（Attention）篇)
  - [[💯 Transformer 理论篇](https://t.zsxq.com/YmHO4)](#💯 Transformer 理论篇)
- [四、NLP 任务实战面](#四、NLP 任务实战面)
- - [[💯 文本分类篇](https://t.zsxq.com/YmHO4)](#💯 文本分类篇)
  - [[💯 命名实体识别（NER）篇](https://t.zsxq.com/YmHO4)](#💯 命名实体识别（NER）篇)
  - [[💯 关系抽取篇](https://t.zsxq.com/YmHO4)](#💯 关系抽取篇)
  - [[💯 检索增强生成（RAG）篇](https://t.zsxq.com/YmHO4)](#💯 检索增强生成（RAG）篇)
- [五、NLP 基础面](#五、NLP 基础面)
- - [[💯 分词（Tokenizer）篇](https://t.zsxq.com/YmHO4)](#💯 分词（Tokenizer）篇)
  - [[💯 词嵌入（Word2Vec）篇](https://t.zsxq.com/YmHO4)](#💯 词嵌入（Word2Vec）篇)
  - [[💯 卷积神经网络（CNN）篇](https://t.zsxq.com/YmHO4)](#💯 卷积神经网络（CNN）篇)
  - [[💯 循环神经网络（RNN）篇](https://t.zsxq.com/YmHO4)](#💯 循环神经网络（RNN）篇)
  - [💯 长短期记忆网络（LSTM）篇](#💯 长短期记忆网络（LSTM）篇)
  - [[💯 BERT 模型篇](https://t.zsxq.com/YmHO4)](#💯 BERT 模型篇)
  - [[💯 BERT 变体篇](https://t.zsxq.com/YmHO4)](#💯 BERT 变体篇)
  - [[💯 BERT 实战篇](https://t.zsxq.com/YmHO4)](#💯 BERT 实战篇)
- 六、深度学习面
- - [[💯 激活函数篇](https://t.zsxq.com/YmHO4)](#💯 激活函数篇)
  - [[💯 优化器篇](https://t.zsxq.com/YmHO4)](#💯 优化器篇)
  - [[💯 正则化篇](https://t.zsxq.com/YmHO4)](#💯 正则化篇)
  - [[💯 归一化篇](https://t.zsxq.com/YmHO4)](#💯 归一化篇)
  - [[💯 参数初始化篇](https://t.zsxq.com/YmHO4)](#💯 参数初始化篇)
  - [[💯 过拟合篇](https://t.zsxq.com/YmHO4)](#💯 过拟合篇)
  - [[💯 集成学习篇](https://t.zsxq.com/YmHO4)](#💯 集成学习篇)
  - [[💯 模型评估篇](https://t.zsxq.com/YmHO4)](#💯 模型评估篇)

写在前面

先说一下背景：本科双非，硕士211，没论文，一段半年的大厂NLP实习，3个TOP5 NLP比赛，1个两位数的数据挖掘比赛。

字节跳动

1面: 60分钟

实习，难点，收获，怎么解决
XGBOOST ，LGB，GBDT 的区别
一阶优化器，二阶优化器
Attention怎么做，self-attention怎么做
Transformer细节，Bert细节（多头和缩放）
过拟合怎么解决
标签平滑怎么做的
交叉熵，相对熵
Bagging, boosting , 偏差，方差关系
CRF理论与代码实现细节
CRF与HMM关系，区别
维特比，beam-search 时间复杂度，区别

「编程题」：编辑距离，完全二叉树的节点个数（都是很经典的leetcode原题）

2面: 60分钟

实习，竞赛，问了30分钟
开源代码阅读情况
XGBOOST ，LGB 生长策略，分类策略
BERT细节
少样本情况怎么缓解

「编程题」：15分钟写一个k-means，没写完时间不够

3面：20分钟

聊人生，说前两面反馈给的好，就不问问题了。

HR面: 20分钟

讲一件你觉得很有难度的事，怎么解决的。
来段英语口语。

剩下时间就是问问题时间了。

从开始面试到拿到offer花了3天，字节效率极高。其中1，2面试连续面的，然后太晚了，不然估计3面也会连续面。

腾讯：校招日常实习

1面: 25分钟

实习，竞赛
优化器，系统的讲一下
实际场景下做softmax容易出现一些问题，怎么解决（面试的时候没明白什么意思，面试结束后询问，他是说实际场景做softmax很容易出现下溢问题，这个可以用每个维度减去一个固定值就可以了）
过拟合解决方法，正则项为什么能减缓过拟合
权重衰减等价于哪个正则项
传统机器学习方法了解哪些

「编程题」：打家劫舍II

2面：60分钟+8小时下来做题。。。

实习，问得巨细，怎么和测试沟通，怎么和需求沟通，团队有几人，负责啥，难点是啥，你做了啥

「编程题」：leetcode-887,super egg drop，提前不知道这题是leetcode题，自己一直在硬做，后来给实习同事分享，同事告诉我是leetcode题很难得一道题。这题难的一*，面试里面剩余30分钟没做出来（基本属于刚理解题意），下来之后做了2个小时想出一个暴力解，被打回，第二天，想了3个小时，想到二分解法，被打回，又想了3个小时，想到数学解法。。。过了。（三种解法都对的，不过面试官要求给出具体的策略和步骤，数学法比较直接可以直接给出，其他两种需要输出最优路径）。太菜了。。。。